麦克风阵列语音增强beamforming算法

87 阅读 0 评论 58 点赞

我是靠谱客的博主孝顺大神，最近开发中收集的这篇文章主要介绍麦克风阵列语音增强beamforming算法，觉得挺不错的，现在分享给大家，希望可以做个参考。

关键步骤在于计算延时, 可以通过GCC-PHAT方法进行计算, 即广义互相关-相位变换方法.

$x(n)$ 和 $y(n)$ 的互相关函数是将 $x(n)$ 保持不动, $y(n)$ 左移m个样本点, 两个序列逐个相乘的结果, 顺序不能互换.
但是, 按照时域卷积的方式求互相关函数的方法计算复杂度较大, 所以将在频域进行操作(FFT和IFFT), 即线性卷积的FFT算法.

两个信号的互相关函数的频域等于x信号频域的共轭乘以Y信号的频域.

即在信号方向上的增益保持不变的情况下, 在非信号方向上试波束输出的功率最小. 实现方式是选择一组权矢量. 最优权矢量为:

w o p t = R - 1 x x C C H R - 1 x x C

$w_{opt} = frac{R_{xx}^{-1}C} {C^HR_{xx}^{-1}C}$

具体推导过程在文章MVDR自适应波束形成算法研究中可以得出.其中, $R_{xx}$ 是自相关函数, C是约束矩阵.

VAD算法具体可以采用, 计算语音段的能量与设置的某一阈值T0比较, 若连续N段语音是超过阈值T0的, 则确定为语音段, 否则为静音段.

GSC算法分析

以上就是孝顺大神为你收集整理的麦克风阵列语音增强beamforming算法的全部内容，希望文章能够帮你解决麦克风阵列语音增强beamforming算法所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。